diffusers/main/tr/api/pipelines/longcat_image.md

LongCat-Image

LongCat-Image'ı tanıtıyoruz; bu öncü, açık kaynaklı ve iki dilli (Çince-İngilizce) görsel oluşturma temel modeli, mevcut önde gelen modellerde yaygın olan çok dilli metin işleme, fotogerçekçilik, dağıtım verimliliği ve geliştirici erişilebilirliği alanlarındaki temel zorlukları ele almak üzere tasarlanmıştır.

Öne Çıkan Özellikler

• 🌟 İstisnai Verimlilik ve Performans: Sadece 6B parametreye sahip olan LongCat-Image, birçok açık kaynaklı modeli birden fazla benchmark'ta geride bırakarak verimli model tasarımının devasa potansiyelini ortaya koymaktadır.
• 🌟 Üstün Düzenleme Performansı: LongCat-Image-Edit modeli, açık kaynaklı modeller arasında en ileri düzey performansa ulaşarak üstün görsel tutarlılıkla öncü talimat izleme ve görüntü kalitesi sunar.
• 🌟 Güçlü Çince Metin Görselleştirme: LongCat-Image, mevcut SOTA açık kaynak modellerine kıyasla yaygın Çince karakterlerin görselleştirilmesinde üstün doğruluk ve kararlılık gösterir ve Çince sözlük kapsamı açısından sektörde öncü bir seviyeye ulaşır.
• 🌟 İşaret Edici Foto Gerçekçilik: Yenilikçi bir veri stratejisi ve eğitim çerçevesi sayesinde LongCat-Image, üretilen görsellerde dikkat çekici bir foto gerçekçiliğe ulaşır.
• 🌟 Kapsamlı Açık Kaynak Ekosistemi: Ara kontrol noktalarından tam eğitim koduna kadar eksiksiz bir araç zinciri sunuyor, bu da ileri araştırma ve geliştirme için engeli önemli ölçüde düşürüyor.

Daha fazla ayrıntı için kapsamlı LongCat-Image Technical Report belgesine başvurun.

Kullanım Örneği

import torch
import diffusers
from diffusers import LongCatImagePipeline

weight_dtype = torch.bfloat16
pipe = LongCatImagePipeline.from_pretrained("meituan-longcat/LongCat-Image", dtype=torch.bfloat16 )
pipe.to('cuda')  # or "mps", "xpu", "cpu"
# pipe.enable_model_cpu_offload()

prompt = '一个年轻的亚裔女性，身穿黄色针织衫，搭配白色项链。她的双手放在膝盖上，表情恬静。背景是一堵粗糙的砖墙，午后的阳光温暖地洒在她身上，营造出一种宁静而温馨的氛围。镜头采用中距离视角，突出她的神态和服饰的细节。光线柔和地打在她的脸上，强调她的五官和饰品的质感，增加画面的层次感与亲和力。整个画面构图简洁，砖墙的纹理与阳光的光影效果相得益彰，突显出人物的优雅与从容。'
image = pipe(
    prompt,
    height=768,
    width=1344,
    guidance_scale=4.0,
    num_inference_steps=50,
    num_images_per_prompt=1,
    generator=torch.Generator("cpu").manual_seed(43),
    enable_cfg_renorm=True,
    enable_prompt_rewrite=True,
).images[0]
image.save(f'./longcat_image_t2i_example.png')

Bu pipeline, LongCat-Image Team tarafından katkı sağlanmıştır. Orijinal kod tabanı burada bulunabilir.

Mevcut modeller:

    Modeller Tür Açıklama İndirme Bağlantısı
  


  
    LongCat‑Image Text‑to‑Image Final Sürümü. Kutudan çıktığı gibi çıkarım için standart model.
    
      🤗 Huggingface
    
  
  
    LongCat‑Image‑Dev Metinden‑Görsele Geliştirme. İnce ayar için uygun orta eğitim kontrol noktası.
    
      🤗 Huggingface
    
  
  
    LongCat‑Image‑Edit Görsel Düzenleme Görsel düzenleme için özel model.
    
      🤗 Huggingface
    
  

LongCatImagePipeline[[diffusers.LongCatImagePipeline]]

diffusers.LongCatImagePipeline[[diffusers.LongCatImagePipeline]]

diffusers.LongCatImagePipeline(scheduler: FlowMatchEulerDiscreteScheduler, vae: AutoencoderKL, text_encoder: Qwen2_5_VLForConditionalGeneration, tokenizer: Qwen2Tokenizer, text_processor: Qwen2VLProcessor, transformer: LongCatImageTransformer2DModel)

Kaynak

Metinden görüntüye üretim hattı.

• tümü
• call

LongCatImagePipelineOutput[[diffusers.pipelines.longcat_image.LongCatImagePipelineOutput]]

diffusers.pipelines.longcat_image.LongCatImagePipelineOutput[[diffusers.pipelines.longcat_image.LongCatImagePipelineOutput]]

diffusers.pipelines.longcat_image.LongCatImagePipelineOutput(images: list)

Kaynak

Parametreler:

images (list[PIL.Image.Image] veya np.ndarray) : Uzunluğu batch_size olan gürültüsü azaltılmış PIL görselleri listesi veya (batch_size, height, width, num_channels) biçiminde bir numpy dizisi. PIL görselleri veya numpy dizisi, difüzyon hattının gürültüsü azaltılmış görsellerini temsil eder.

Stable Diffusion hatları için çıktı sınıfı.